p-拉普拉斯算子（p-Laplacian）

尋常的拉普拉斯算子，是最有效率、最低能量組態背後的算子——肥皂膜、電位勢、穩態熱。它是最簡單能量、即 integral of (1/2)|grad u|^2 的梯度。但若你想極小化的能量，是用不同的冪次來度量梯度呢？把指數 2 換成一般的 p，你得到的算子就是 p-拉普拉斯算子——一個單參數的非線性推廣，在很不同的行為之間插值，並出現在凡是「梯度的代價」非二次之處。

它定義為 Delta_p u = div( |grad u|^(p-2) grad u )，參數 p > 1。當 p = 2 時，因子 |grad u|^0 = 1，它退化成尋常的拉普拉斯算子 div(grad u) = Laplacian u。對其他 p 它是真正非線性的：係數 |grad u|^(p-2) 取決於 u 有多陡。它恰是能量 integral of (1/p)|grad u|^p 的歐拉-拉格朗日算子，所以「p-調和」函數（即滿足 Delta_p u = 0 者）是該 p-能量的極小元——當「平坦」以 L^p 意義度量時，「盡可能平坦」的自然概念。參數改變了它的個性：p 大時算子強烈懲罰陡峭的梯度（p 趨於無窮的極限連結到 infinity-拉普拉斯算子與距離函數）；p 接近 1 時它接近全變分流，用於影像去噪；含時版本 u_t = Delta_p u 則是一種退化或奇異的非線性擴散，類似多孔介質方程。

為什麼研究它？p-拉普拉斯算子是非線性橢圓與拋物理論的標準試驗台：它是最簡單的、既非線性又仍是變分的且退化橢圓的算子，故正是磨練非線性偏微分方程正則性技術之處（p-調和函數一般並不平滑——只有 C^(1,alpha)——這已經暗示了非線性會讓你付出正則性的代價）。它出現於非牛頓流體、冰川學、塑性與影像處理。誠實的重點是：僅僅把指數 2 改成指數 p 這一個微調，就把乾淨的線性理論變成真正的非線性理論，在 grad u = 0 處退化、且只有有限的平滑度——這是一座受控的實驗室，展示非線性橢圓中一切會出錯（也能被修復）的事。